一种基于CDGAN模型的医学图像生成方法及系统技术方案

本发明专利技术涉及一种基于CDGAN模型的医学图像生成方法及系统，方法包括以下步骤：将图像进行预处理，得到预处理图像数据集；选择基于预处理图像数据集的训练模式中的一种模式，得到模型训练图像数据集；构建基于CDGAN的图像生成模型；确定CDGAN图像生成模型的训练参数，将基于模型训练图像数据集划分为训练集和测试集；将训练集输入CDGAN图像生成模型中进行训练并用测试集进行测试，得到最终的图像生成模型；使用图像生成模型对模型训练图像数据集的图像进行处理，生成优化后的用于扩充数据集的图像。本发明专利技术解决了采集足够多的样医学样本图像困难而导致的样本不足和样本类别不均衡问题。

【技术实现步骤摘要】

本专利技术属于医学图像风格迁移生成，具体涉及一种基于cdgan模型的医学图像生成方法及系统。

技术介绍

1、在医学图像处理领域，高质量的医学图像对于精准的诊断和医学研究至关重要。然而，由于医学数据集的有限性，传统的图像生成技术在实现个性化风格迁移时受到了一定的限制。现有的医学图像生成系统在风格迁移方面存在的问题主要包括以下几点：

2、1.数据集有限：医学图像采集困难，尤其是特定疾病或罕见病。这使得深度学习等需要大量数据支持的算法面临挑战，因为模型的泛化能力可能会受到数据的影响。

3、2.数据样本类别不平衡：在医学数据集中，不同类别的样本数量可能差异很大。例如，在某些疾病的研究中，正常样本可能远多于患病样本，导致模型在处理类别不平衡问题时的性能下降。

4、传统医学图像生成方法通常依赖于有监督学习或基于规则的方法，而这些方法在处理个性化风格迁移时受到数据集有限和风格多样性的制约。因此，迫切需要一种新颖的图像数据生成系统，能够克服上述问题，实现高效的个性化医学图像风格迁移。

技术实现思路...

【技术保护点】

1.基于CDGAN模型的医学图像生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于CDGAN模型的医学图像生成方法，其特征在于，所述步骤S1中具体包括以下内容：

3.根据权利要求2所述的基于CDGAN模型的医学图像生成方法，其特征在于，所述步骤S2中图像数据集共享模式和图像数据集非共享模式具体包括以下内容：

4.根据权利要求1所述的基于CDGAN模型的医学图像生成方法，其特征在于，所述步骤S3中生成器网络包括初步特征提取模块、坐标注意力模块、残差模块和特征重构模块；

5.根据权利要求4所述的基于CDGAN模型的医学图像生成方...

【技术特征摘要】

1.基于cdgan模型的医学图像生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于cdgan模型的医学图像生成方法，其特征在于，所述步骤s1中具体包括以下内容：

3.根据权利要求2所述的基于cdgan模型的医学图像生成方法，其特征在于，所述步骤s2中图像数据集共享模式和图像数据集非共享模式具体包括以下内容：

4.根据权利要求1所述的基于cdgan模型的医学图像生成方法，其特征在于，所述步骤s3中生成器网络包括初步特征提取模块、坐标注意力模块、残差模块和特征重构模块；

5.根据权利要求4所述的基于cdgan模型的医学图像生成方法，其特征在于，所述步骤s3中坐标...

【专利技术属性】
技术研发人员：赖灿芸，庄毅，潘航露，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：